基于知识库进行人脸图像特征提取的研究

采用区域性增强法对人脸图像进行预处理，用基于知识库的方法提取人脸几何特征．通过选用人脸上３２个特征点，结合人像学，美学原理及人脸识别的心理特征，提出一种简便的，高精度的“知识库”法和“区域处理”法，使人脸图像可有别于其它图像进行处理．     

块匹配算法在基于MPEG-4的人脸特征提取中的改良及应用

首先对视频内容进行了分析,针对不同人脸的光照效果和色度变换效果做了平滑处理,以减少灰度突变区域。然后运用匹配算法进行像素匹配。为减小计算量,添加了特征点位置约束关系和梯度约束关系的限制,同时改进了相关系数的计算方法,这样不仅有效提高了匹配准确度,同时还减少了计算复杂度。试验证明匹配效果显著,而且计算量没有增加。     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

人脸表情特征提取方法的研究进展

讨论了静态图像表情特征提取方法和序列图像表情特征提取方法,对近年来人脸表情特征提取方法进行了比较研究,得到了一些结论,并对未来可能的研究情况进行了展望.     

利用双重彩色空间肤色模型实现快速人脸检测

在单独采用HSI彩色空间或YCbCr彩色空间肤色高斯模型进行人脸检测的基础上将二者结合起来,提出了一种利用双重彩色空间肤色模型实现快速人脸检测的方法。这种方法利用了在不同肤色模型之下都可以大致检测出人脸区域,并且所误检测的背景范围差异较大,同时被两种肤色模型都误检测为人脸的可能性较小,所以取其检测结果的共同点,就是大致的人脸区域,而误检测为人脸的背景区域就被去掉了。之后采用较为简单的算法,就可以从这个大致的人脸区域中定位真正的人脸区域。该方法不需要建立极为精确的肤色模型,也不需要在人脸检测得到二值化结果后,采用较为复杂的算法,从二值化结果中定位人脸。该方法适合于在特征提取前使用,去除多余的背景信息,提高图像处理和识别的速度和准确度。     

人脸图像的LTP特征提取

人脸特征提取是人脸识别过程中的关键步骤.基于局部二值模式(LBP)理论,尝试了一种基于局部三值模式(LTP)纹理特征提取方法.在一个窗口中将邻域像素值与中心像素值和阈值t的和差进行比较,从而根据像素不同位置进行加权求和求出LTP正负值,即可求得灰度值,最终得到LTP特征提取结果.在MATLAB软件平台上进行了算法仿真,实验结果表明,与基于LBP局部纹理描述的算法相比,基于LTP局部纹理描述的算法具有更强的判别能力,特别是对于统一区域的噪声具有更强的鲁棒性.     

运动冠脉造影序列的独立分量分析伪彩色编码

针对心脏周期剧烈运动产生的冠状动脉血管非刚性变化所引起的造影图像处理误差,提出一种基于快速独立分量分析(FastICA)的动态冠脉造影图像序列特征提取方法,改进了以往算法将动态序列中的每帧作为静态图像单独处理而未考虑帧间关系的缺点,综合序列中各帧信息进行分析,解混分离出背景区和感兴趣区。在传统FastICA算法基础上,提出一种适合冠脉造影图像灰度级分布特征的自适应初始权值计算方法,在保证效果一致的情况下,使迭代次数降低约45%。最后,设计一种基于感兴趣区域的伪彩色编码方法。     

基于彩色分量DCT域的数字图像水印

提出一种基于彩色图像色差分量DCT域下的数字图像水印算法，该算法在埋植水印信息时利用了彩色图像两色差分量DCT系数相关值的统计特点，通过修改两色差的量的DCT系数，将水印信号埋植到图像中，而在水印信息检测时，不需要原始图像以及其它额外的数据，经实验测试，提出的算法可以抵抗诸如JPEG压缩，低通滤波，降采样，放大和缩小以及裁剪等大多数图像处理方法的攻击，具有很高的鲁棒性和不可见性。     

基于扩展二维不变矩的三维人脸特征提取

将二维不变矩理论和算法扩展应用于三维人脸特征提取的研究,在对三维人脸模型进行预处理及网格归一化的基础上,建立了具有平移、比例和旋转不变性的三维人脸模型的Zernike矩不变量特征表示,并基于距离可分性设计了一种特征评价测度,对所提特征和深度特征进行了对比评价。多姿态三维人脸数据库的实验结果表明,三维人脸模型的Zernike矩不变量特征具有对不同姿态人脸模型鲁棒、可分性强等优点。     

基于运动和彩色信息的人脸定位方法

提出了一种用于视频会议及可视电话的头肩序列图像人脸定位方法。该方法利用序列图像的运动信息，在帧间差分的基础上进行二值图像边缘提取，利用人的头肩办吧及彩色图像的色系坐标变换进行运动的人脸定位。实验证明该方法能够自动执行头肩分割，人脸定位，简单快速而且有效。     

基于稀疏张量的人脸图像特征提取

在多线性主成分分析(Multi-linear principal component analysis,MPCA)的基础上提出了用于特征提取的稀疏张量主成分分析(STPCA)方法。该方法把MPCA中的特征值分解问题转化为线性回归问题,以此得到稀疏的投影矩阵,并通过该投影矩阵来降低遮挡对特征提取效果的影响。最后在Georgia tech和AR人脸库上进行对比实验,结果表明:本文方法无论在识别的精确度上还是在对遮挡的鲁棒性上都优于原有的MPCA算法。     

基于二维广义主成分分析的人脸识别

针对人脸识别中的特征提取问题，提出了一种基于二维广义主成分分析（2DIMPCA）的人脸识别方法.有别于传统的人脸识别算法需要将二维人脸图像矩阵压缩成一维向量，该方法直接采用二维图像矩阵来构建方差矩阵，通过在水平和垂直2个方向上顺序执行2次广义主成分分析（IMPCA）运算，消除了人脸图像行和列的相关性，大大压缩了特征的维数.选用二维最小近邻分类法进行分类，计算识别率.在AT&T人脸库以及Yale人脸库上的测试结果表明，与主成分分析（PCA）和IMPCA相比，该方法具有更高的识别率和更快的识别速度.     

一种基于虹膜水印的数字图像内容认证系统

提出了基于虹膜水印的图像内容认证系统,其基本思想是先进行用户虹膜图像的预处理操作,再将提取出的虹膜代码与噪声可见度函数进行运算生成水印,然后基于人眼视觉系统模型与小波变换方法进行水印自适应嵌入,采用独立分量分析方法进行水印盲提取,经过反变换可得虹膜代码,经过匹配算法实现图像内容所有权人的身份认证.为了更客观地评价水印系统,提出了改进的自适应峰值信噪比度量方法,对图像处理操作具有稳健性.     

基于颜色特征的人脸检测方法

针对RobCup家庭机器人对人脸检测的要求,研究了基于颜色特征的人脸检测方法。该方法首先将人脸图像进行非线性分段色彩变换光线补偿处理,减少光线对肤色的影响,然后在YCbCr颜色空间中建立肤色模型,分割出肤色区域。在颜色空间YCbCr中,嘴巴区域包含的红色分量要高于蓝色分量,利用这个特征分割出嘴巴区域。在YIQ颜色空间中,通过I分量来区分眼睛与皮肤,分割出人眼,最后根据嘴巴、眼睛的几何中心特征映射人脸,人脸检测的仿真结果验证了该方法的有效性。     

一种基于肤色特征的人脸特征点定位方法

针对传统人脸特征点定位方法中存在的算法复杂、鲁棒性差以及精确度低等问题,本文提出一种基于肤色特征的人脸特征点自动定位方法.首先对预处理后的图像在多个色彩空间中利用肤色特征实现人脸区域的精确定位;然后,在人脸区域内根据各特征部位的特性构造色度模型函数来标定其特征区域;最后,在特征区域内完成人脸特征点的自动定位.实验结果表明,该算法简单、鲁棒性较高,且能够快速高效地实现人脸特征点定位.     

基于特征抽取和模式识别的工件智能检测系统

以工件为对象,研究开发了适合于工业应用的视觉算法,在图像的预处理,特征抽取和识别等方面做了深入探讨。重点介绍了形状分析和形状特征抽取算法。链码分析和傅立叶描绘子相结合是本文一大特色。理论分析和实验表明本方法是一种有效快速的高精度图像边界频谱特征的抽取方法。     

基于低秩表示投影的无监督人脸特征提取

为了构造数据之间的自适应邻接图,同时克服稀疏表示系数和协同表示系数互相独立、提取全局信息弱的缺陷,提出采用低秩表示(low-rank representation, LRR)系数构造权重矩阵的流形学习算法,即低秩表示投影(low-rank representation projections, LRRP)和判别低秩表示投影(discriminative low-rank representation projections, DLRRP)。在新算法中,将低秩表示系数表征的样本之间的邻接关系保留在特征空间;同时利用低秩系数的聚类性质,在优化目标中加入类内散度最小化项,计算出具有判别性的投影矩阵。试验结果表明,在真实人脸图像库上与其他几种流形学习算法相比,LRRP和DLRRP能够取得更好的识别率。提出的新算法是有效的特征提取算法,能够丰富流形学习框架。     

基于二维PCA的人脸识别方法研究

该文提出了一种基于二维PCA的类内平均脸方法进行人脸的特征提取.首先利用类内平均脸对人脸训练样本进行规范化处理,根据规范化之后的人脸训练样本计算图像协方差矩阵,并求解一组最优特征向量,然后将人脸样本投影到这组最优特征向量上来提取人脸的特征,最后采用最近邻距离分类器来分类所提取的特征.此方法在NUST603人脸图像库上进行了实验,验证了该方法的有效性.     

融合小波变换和张量PCA的人脸识别算法

张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率．小波变换具有良好的时频分析特性,同时还能起到降维的作用．综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别．仿真结果表明,新算法的识别率比张量PCA方法提高了6％,识别时间为张量PCA方法的35.74％．     

基于主元分析和神经网络的人脸识别方法

人脸自动识别是模式识别领域中一项具有广阔应用前景和实际应用价值的热门课题 .文中提出了一种主元分析和神经网络相结合的方法进行人脸识别 .我们先对图像进行归一化处理 ,采用主元分析法对图像的主特征分量进行提取 ,然后以一个径向基函数神经网络作为分类器 ,进行人脸识别 .实验结果表明 ,这种方法在采用多样本训练后 ,具有较高的识别率 .